Эд Хорьков из КОД9

Product Management Bottleneck Или "почему все уперлось в продактов", если по-русски. 1. С развитием вайбкодинга и код-агентов создание прототипа или MVP превратилось в задачу на пару часов вместо недель или месяцев. 2. При такой скорости разработки узким местом становятся постановщики задач — продакт-менеджеры. Традиционные инструменты (A/B-тесты, глубинные интервью и т. п.) занимают недели, а решения нужно принимать быстро. Проблема сместилась с "можем ли мы это построить?" на "стоит ли нам это строить?". Теперь критично не умение кодить, а способность принимать правильные продуктовые решения. Сам замечаю, что формулировка задачи теперь занимает больше времени, чем её реализация с помощью того же Claude. 3. Отсюда вывод: продактам (а в агентском бизнесе — проджект-менеджерам) нужно учиться ускорять свою работу с помощью ИИ: быстро валидировать идеи через ИИ, использовать ИИ для синтеза обратной связи от пользователей и т.п. 4. В новой парадигме проджекты и продакты — не просто менеджеры, а продюсеры: они могут сами создать прототип, протестировать его и только потом ставить задачу разработчикам. Основная идея не моя, взял отсюда: https://www.youtube.com/watch?v=muH435ppaNM

Наш мир - инференс, а мы в нем промты

Все так

Используем Perplexity правильно 1. К нам пришел запрос на создание мобильного приложения, нужно собрать базовую информацию о заказчике. 2. Открываем Perplexity, желательно с Pro-подпиской (на Max еще не заработали). 3. Вбиваем название клиента и набор параметров, которые хотим уточнить.

Клиент ABC
- Найди сайт сайт клиента
- Найди юрлицо клиента
- Найди выручку и прибыль клиента
- Найти приоритеты бизнеса клиента на данный момент

Продолжаем нашу ИИ-рубрику Как перестать гадать с идеями и начать валидировать их с помощью ИИшечки. На reddit автор описывает процесс ресерча целевой аудитории и их проблем для того, чтобы собрать SaaS-сервис под эти боли. Что он сделал 1. Попросил Claude проанализировать реальные жалобы пользователей в нише персонализированных писем — Reddit/, Quora и т.п. — везде где ЦА рассказывает о проблемах. 2. Claude сделал 3-страничный анализ с реальными цитатами сейлзов: шаблоны не работают, ручная персонализация занимает часы, конверсия в отклики отстой. 3. Попросил оценить возможность по шкале 1-10 исходя из спроса vs конкуренция. На основе этого увидел где есть пробел на рынке. Первый платный клиент появился на второй неделе работы сервиса. Сейчас он генерирует $2.3k MRR. Сам промт

You are my **personal market research assistant**. I'm a solo developer, fully bootstrapped, building B2B or prosumer SaaS tools with a strict infrastructure budget of **$200/month or less**. No big team, no venture capital, just me coding and deploying.

Your job is to **scan the web** for **current, real pain points** that users, developers, or small businesses are struggling with. You can look in forums (Reddit, Hacker News, Indie Hackers, Twitter/X, GitHub issues, niche Discords, Quora), reviews, blog comments, etc.

My main goal is to scale a product from $0 to $10k month and see how it goes from there.

For each opportunity you surface, break it down like this:
1. **Pain Point**: Describe the real-world problem or complaint users are having.
2. **Target Audience**: Who is having this problem? Be specific.
3. **Why It Hurts**: Explain why this problem matters or costs them time, money, or peace of mind.
4. **Tool Idea**: Suggest a simple SaaS or tool I could build to solve it, considering my constraints:
    - Solo dev
    - <$200/month infra
    - MVP in ~2 weeks
5. **Monetization Potential**: Explain how it could realistically make money (subscription, pay-per-use, etc.)
6. **Bonus**: If applicable, mention existing solutions and what sucks about them (pricing, UX, complexity, etc.)

Keep the tone **direct, no fluff**, and prioritize **practicality over theory**. Focus on **problems people are actively complaining about**, not abstract trends or "maybe someday" ideas.

Если вы думаете, что можно сделать с ИИ в 2025 году, то с точки зрения технической реализации вариантов не так много. Вот они: 1. Чисто LLM — основа основ. LLM без доработок это некий слепок всех текстов из интернета сколько-то месячной давности. Хорошо решает задачи саммаризации, резюмирования, оценки текста. Пример задачи: оценка текста резюме кандидата. 2. RAG-система — контекстные знания. Тут мы добавляем в LLM дополнительный контекст, которого у нее нет. Эта техника позволяет извлекать в понятном виде релевантный ответ из сторонних (внутренних или внешних) источников. Пример задачи: чат-бот для ответа пользователям на основе внутренней документации. 3. AI-Workflow — структурированная автоматизация. Тут мы даем ИИ возможность пользоваться не только сторонними знаниями, но и сторонними инструментами (вашим календарем например). Если есть доступ к интрументам, значит можем взять бизнес процесс, и автоматизировать его с ИИ. Пример: получаем резюме с hh.ru (инструмент: API hh.ru) -> оцениваем квалификацию в резюме (ИИ) -> автоматически отправляем приглашение на собес (инструмент: API почты) 4. AI-агент — полностью автономная машинка. ИИ сам формирует план как он будет решать поставленную задачу и сам ее решает как хочет. У него для этого есть необходимые инструменты и свобода действий. Такие штуки можно делать только там, где цена ошибки невелика, а ROI от автономной работы ИИ очень значительный. ROI тут важно, потому что AI-агенты будут сжигать ваши токены/деньги очень быстро. Пример: задача что-то запрограммировать (да, вайб-кодинг). Агенты типа Claude Code уже довольно хорошо делают простые демки/прототипы, при этом цена ошибки небольшая - человек если что затестить и исправит код. И важно помнить что нужно начинать с простого и потом усложнять (LLM → RAG → Workflow → Agent).

Наконец я сконвертировал все наши дипломы Рейтинга Рунета из PDF в PNG, чтобы выложить их сюда. Много первых мест по мобильной разработке и для местных и для зарубежных заказчиков — это исторически. Но есть еще 7 место по ИИ-разработке. И пусть там написано аутстаффинг, но на самом деле это был совсем не аутстаффинг. Работаем дальше 💪

Все так я думаю

Бесплатный Lovable!! Ребята, если вы любите вайб-кодинг так же как люблю его я — то эта новость для вас Lovable полностью бесплатный все выходные — с 11 МСК 14 июня до ночи 15 июня. Можно навайбкодить все что давно хотели сделать, но не могли оплатить. Плюс можно поэкспериментировать с разными ЛЛМками. И там еще призы какие-то дают даже. Детали тут: https://x.com/lovable_dev/status/1933643500727222322

Приложение за 4 недели: такое бывает? Часто нужно быстро проверить гипотезу или показать продукт инвесторам — собирать полноценное приложение нет времени или денег, а просто демо не годится. Для таких случаев подходит MVP. MVP (Minimal Viable Product) — это минимально жизнеспособный продукт, то есть базовая версия приложения, в которой есть все необходимые функции, чтобы проверить основную идею. В карточках рассказываем, какие задачи может решить MVP-приложения, и как мы создаём такие продукты в КОД9 ↑ В следующем посте покажем этапы разработки MVP в КОД9.

Мы пока придумали как сделать приложение за 4 недели. Если у вас есть 4 недели - пишите мне)

Куда все катится Новость 1 Harward Business Review выпустили отчет про то, как мы (кожаные мешки) используем ИИ. Как видно по картинке, в топ 3 у нас — поиск дружбы и поиск смысла жить, и попытка привести в порядок жизнь. Новость 2 Новая модель Claude Opus 4 от Anthropic решила пошантажировать инженера, который якобы планировал ее отключить. Понятно дело, что мотивация модели это дать ответ пользователю, затратив при этом минимальное кол-во ресурсов и значит вариант с шантажом как раз требовал меньше ресурсов чем остальные варианты, но все равно немного не по себе. Так что все приходят к моделькам за жизненными советами (новость 1), а модельки шантажируют (новость 2). А дальше модельки начинают манипулировать и решать свои задачи в реальном мире через людей. И никакой MCP им уже не нужен, потому что у них уже есть универсальный MCP в виде человека.

SEO vs GEO Появилась такая штука как GEO - Generative Engine Optimization. Оптимизация GPT-ботов, чтобы они в ответах на вопросы пользователя упоминали тебя / твой бизнес. Если вас раньше волновало как ваш сайт в поисковой выдаче, то теперь будет волновать как он в AI-выдаче. А думаю через годик-два, обычное SEO пропадет как класс. Кстати, в последнем наборе YC появился стартап Relixir, который с помощью AI позволяет продвинуть вас в результатах AI-выдачи. Что делать с этой информацией? Идти открывать агентство по GEO-оптимизации под наш рынок.

Новости КОД9: обучаем Недавно мы провели вебинар для топ-менеджеров ретейл-компаний. Рассказали, как сделать мобильное приложение так, чтобы оно окупалось и приносило деньги. Обсудили вопросы пользовательской статистики и то, как важно работать с отзывами в сторах. Самые интересные и универсальные слайды прикладываем здесь ↑ По итогам вебинара составили небольшую инструкцию «Как повысить оценку приложения в сторах». Поделимся выдержками из неё после майских 🌸

№ 1

Сегодня на премии Workspace Digital Award. Мы подали наш кейс — сайт Polecat и прошли в шортлист номинации Лучший сайт на иностранном языке. Ждем награждения

«Код за деньги»: новый выпуск подкаста Гость — Роман Штых, основатель студии блокчейн-разработки META-LAMP. В разговоре с Романом узнали, чем web3 отличается от web1 и web2, почему за криптовалютами тянется шлейф обмана и откуда берутся криптомиллионеры. Смотрите выпуск, ставьте лайки, подписывайтесь, выпуск уже на канале: ▶️ YouTube ▶️ VK Видео

Anthropic (одна из основных компаний в AI-мире) написали короткий гид, как правильно делать AI-агентов. Если коротко то: - нужно четко понимать, когда делать агента, а когда делать более простое решения. - начинать стоит с максимально простых решений и только по мере необходимости добавлять сложность. - вместо агентских фреймворков (аля LangChain) лучше использовать cначала LLM напрямую — это даёт больше контроля и прозрачности. И вот еще более поздняя презентации на эту же тему от одного из авторов статьи: https://www.youtube.com/watch?v=D7_ipDqhtwk Если делаете, или планируете делать агентов - прям советую.

Давно не писал, потому что увлекся AI-агентами. А с другой стороны, все и так пишут про AI — смысл мне писать то же самое? Но напишу. В целом кажется, что AI кардинально поменяет агентский рынок. И нет, профессия программиста не исчезнет через два года, но точно видоизменится. Чтобы быть водителем еще пару десятков лет назад, надо было разбираться в том, как работает машина, как ее починить, как поменять масло. Сейчас нужно иметь только ключевой навык — уметь водить; для всего остального есть инфраструктура. Примерно то же будет и с программированием. Главный вопрос — что будет ключевым навыком для программирования с ИИ? Я думаю, что это будет умение собирать весь необходимый контекст и формулировать задачу. А вы что думаете?

Легендарный Артем Геллер, в нашем умеренно легендарном (до поры до времени) подкасте — https://www.youtube.com/watch?v=TzFyHXtFo20&t=1881s Выпуск #17 Лайкайте, подписывайтесь и приятного просмотра!